让 Cursor AI 助手秒懂向量数据库 —— Cursor seekdb 扩展插件使用指南

Posted on Written by: OceanBase 爱好者 In Views: Word count in article: 1.9k Reading time ≈ 7 mins.
本文介绍如何安装与使用 seekdb Cursor Extension，将 seekdb 官方文档注入 .cursor/rules 目录，让 Cursor AI 助手掌握向量搜索、混合搜索等知识，并以 Python 混合搜索示例演示实际效果与工作原理。

🌟 小贴士：文中使用的 seekdb 是 OceanBase 开源的 AI 原生数据库，欢迎大家到 https://github.com/oceanbase/seekdb 体验，相信能为你的 AI 应用开发带来更简洁高效的数据管理方案！

在 AI 辅助编程时代，开发者越来越依赖智能工具来提升编码效率。然而，当你在 Cursor 中询问 seekdb 相关问题时，AI 可能无法给出准确的回答——因为它可能还不够了解 seekdb 这款刚发布不久的 AI 原生搜索数据库。

本文将为大家介绍如何通过 seekdb Cursor Extension，让 Cursor AI 助手拥有 seekdb 专业知识，从而在大家基于 seekdb 进行 AI 应用开发的过程中获得精准的技术指导。

让 Cursor AI 助手秒懂向量数据库 —— Cursor seekdb 扩展插件使用指南

什么是 seekdb？

seekdb 是由 OceanBase 推出的一款 AI 原生搜索数据库。它在单一引擎中统一了关系型数据、向量、文本、JSON 和 GIS 等多种数据模型，支持混合搜索和数据库内的 AI 工作流。

seekdb 的典型应用场景包括：

  • RAG 与知识检索：为大语言模型引入实时可信的外部知识，提升回答质量
  • AI 辅助编程：为代码仓库构建向量和全文索引，实现基于语义的代码搜索
  • 语义搜索引擎：捕捉用户搜索意图，实现跨模态精准检索
  • 智能体（Agent）应用：为 AI Agent 提供记忆、规划、感知和推理的统一基础

什么是 seekdb Cursor Extension？

seekdb Cursor Extension 是一款 Cursor 扩展，它通过在 .cursor/rules 目录下添加规则，使 Cursor AI 助手能够检索 seekdb 官方文档，从而理解 seekdb 数据库知识，使其能够：

  • ✅ 理解 seekdb 数据库概念：向量搜索、混合搜索、AI 函数等
  • ✅ 提供准确的代码建议：基于官方文档生成符合最佳实践的代码
  • ✅ 回答 seekdb 相关问题：直接在编辑器中获取技术支持
  • ✅ 加速开发流程：减少查阅文档的时间，专注于业务逻辑

核心特性

  • 🚀 一键安装：通过 Cursor 扩展市场或命令面板快速安装
  • 📚 完整文档：检索 seekdb 官方文档知识库，涵盖向量搜索、混合搜索、AI 函数等全面技术文档
  • 🌐 双模式支持：优先从 GitHub 获取最新文档，本地文档作为备份

快速开始

第一步：安装扩展

  1. 在 Cursor 中打开扩展市场（Ctrl+Shift+X 或 Cmd+Shift+X）
  2. 搜索 “seekdb”
  3. 点击 Install 安装扩展
让 Cursor AI 助手秒懂向量数据库 —— Cursor seekdb 扩展插件使用指南

第二步：添加 seekdb 文档

  1. 使用 Cursor 打开一个项目目录（文档将添加到该目录下）
  2. 打开命令面板：
    • Windows/Linux: 按 Ctrl+Shift+P
    • macOS: 按 Cmd+Shift+P
  3. 输入并选择命令：
    • 输入 “seekdb” 或 “Add seekdb Docs”
    • 选择 Add seekdb Docs 命令
  4. 文档将自动添加：
    • .cursor/rules/seekdb-docs 目录（官方文档）
    • .cursor/rules/seekdb.mdc 文件（规则文件）
  5. 重新加载窗口使规则生效
让 Cursor AI 助手秒懂向量数据库 —— Cursor seekdb 扩展插件使用指南

安装完成！现在你可以直接向 Cursor AI 助手询问任何 seekdb 相关问题了。

实际效果演示

让我们通过一个实际示例，看看 seekdb Cursor Extension 如何帮助你进行开发。

示例：使用 AI 助手创建一个 seekdb 混合搜索应用

安装扩展并添加文档后，在 Cursor 中开始一个新对话，输入以下问题：

例如：我想用 Python 创建一个简单的 seekdb 应用，实现文档的混合搜索功能，请帮我写代码。

Cursor AI 助手此时就会给出准确的回答：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
"""
seekdb 混合搜索快速入门示例

这是一个最简化的混合搜索示例，帮助你快速上手。
"""

import pyseekdb

# 1. 创建客户端（嵌入式模式，无需部署数据库）
client = pyseekdb.Client()

# 2. 创建集合
collection = client.get_or_create_collection(name="my_docs")

# 3. 添加文档
documents = [
    "机器学习是人工智能的核心技术",
    "Python 是最流行的机器学习编程语言",
    "深度学习需要大量的训练数据",
    "自然语言处理让计算机理解人类语言",
    "向量数据库用于存储和检索向量数据",
]

metadatas = [
    {"category": "AI", "year": 2024},
    {"category": "Programming", "year": 2024},
    {"category": "AI", "year": 2023},
    {"category": "AI", "year": 2024},
    {"category": "Database", "year": 2024},
]

ids = [f"doc_{i}" for i in range(len(documents))]

collection.add(ids=ids, documents=documents, metadatas=metadatas)
print(f"✅ 已添加 {len(documents)} 个文档")

# 4. 执行混合搜索
# 结合全文搜索（包含"机器学习"）和向量语义搜索（查找与"AI技术"相似的内容）
results = collection.hybrid_search(
    query={
        "where_document": {"$contains": "机器学习"},  # 全文搜索：包含关键词
        "n_results": 10,
    },
    knn={
        "query_texts": ["AI技术"],  # 向量搜索：语义相似性
        "n_results": 10,
    },
    rank={"rrf": {}},  # 使用 RRF 算法融合结果
    n_results=3,
    include=["documents", "metadatas"],
)

# 5. 打印结果
print("\n🔍 混合搜索结果:")
for i, (doc_id, doc, meta) in enumerate(
    zip(results["ids"][0], results["documents"][0], results["metadatas"][0]), 1
):
    print(f"  [{i}] {doc}")
    print(f"      元数据: {meta}\n")

# 6. 清理（可选）
# client.delete_collection("my_docs")

运行示例

  1. 安装 pyseekdb
1
pip install pyseekdb
  1. 运行代码
1
python quick_start_hybrid_search.py
  1. 查看结果
让 Cursor AI 助手秒懂向量数据库 —— Cursor seekdb 扩展插件使用指南

混合搜索结合了关键词匹配（包含 “机器学习” 的文档）和语义搜索（与 “AI 技术” 语义相近的文档），通过 RRF（Reciprocal Rank Fusion）算法融合两路检索结果，返回最相关的文档。RRF 的具体含义详见这篇基础概念文章《浅入了解混合搜索》。

特别说明：seekdb 的嵌入式模式暂时只支持 Linux 服务器，如果是在 Mac 或者 Windows 本地测试，需要把 Python 代码里的 client = pyseekdb.Client() 改成服务器模式的连接地址（推荐在 Mac 或者 Windows 上使用 seekdb 桌面版）。

1
2
3
4
5
6
7
client = pyseekdb.Client(
    host="127.0.0.1",      # Server host
    port=2881,              # Server port (default: 2881)
    database="test",        # Database name
    user="root",            # Username (default: "root")
    password=""             # Password (can be retrieved from SEEKDB_PASSWORD environment variable)
)

更多使用场景

安装 seekdb Cursor Extension 后，你可以向 AI 助手询问各种 seekdb 相关问题：

基础查询

  • 如何开始使用 seekdb？
  • seekdb 支持哪些部署模式？

技术问题

  • 如何在 seekdb 中创建向量索引？
  • seekdb 的 AI 函数有哪些？如何使用 AI_EMBED 函数？

代码示例

  • 展示一个使用 seekdb SQL 实现向量相似度搜索的示例。
  • 如何将 seekdb 与 LangChain 集成？

集成相关

  • seekdb 如何配置 OpenAI 模型进行向量嵌入？

工作原理

seekdb Cursor Extension 的工作原理非常简单：

  1. 规则文件注入：扩展将 seekdb 官方文档和 .mdc 规则文件添加到 .cursor/rules 目录
  2. AI 上下文增强：Cursor 会自动读取 .cursor/rules 目录中的内容，作为 AI 助手的上下文知识
  3. 智能检索：当你询问 seekdb 相关问题时，AI 助手会基于这些文档提供准确的回答
让 Cursor AI 助手秒懂向量数据库 —— Cursor seekdb 扩展插件使用指南

移除文档

如果你不再需要 seekdb 文档，可以轻松移除：

  1. 打开命令面板（Ctrl+Shift+P 或 Cmd+Shift+P）
  2. 输入 “Remove seekdb Docs”
  3. 选择该命令执行

文档将从 .cursor/rules 目录中移除。

总结

通过 seekdb Cursor Extension，你可以在使用 Cursor 进行开发时，随时获取 seekdb 的官方文档支持。无论是学习 seekdb 的新功能，还是解决开发中遇到的技术问题，AI 助手都能基于最新的官方文档提供准确的指导~